6.1专家系统概述 6.2基于规则的专家系统 6.3基于框架的专家系统 6.4基于模型的专家系统 6.5新型专家系统 6.6专家系统设计 6.7专家系统开发工具 6.8小结

1.已知前提:(1)如果x与y是同班同学,则x的老师也是y的老师;(2)小李和小 张是同班同学;(3)王先生是小李的老师,运用自然演绎推理证明:王先生也是小张 的老师 证明:首先定义谓词: Teacher(x, y) x是y的老师 Classmates(x, y) x和y是同班同学 则已知的前提可以符号化为 (1)VxVyV=Teacher(x, y)A Classmates (, =)>Teacher(x, =))

7.1 不确定性及其类型 7.2 不确定性知识的表示 7.3 不确定性推理的一般模式 7.4 确定性理论（可信度方法） 7.5 证据理论、7.6 模糊理论

第1单元 初识数据与计算 第2单元 编程计算 第3单元 认识数据 第4单元 计算与问题解决 第5单元 数据分析与人工智能

4.1 模糊逻辑的数学基础 4.1.1 模糊集合 4.1.2 模糊集合的表示方法 4.1.3 模糊集合的运算 4.1.4 隶属函数确定方法 4.1.5 模糊关系 4.2 模糊逻辑的推理 4.2.1 模糊命题 4.2.2 模糊逻辑 4.2.3 模糊语言 4.2.4 模糊推理 4.3 模糊控制系统概述 4.3.1 模糊控制系统的构成 4.3.2 模糊控制系统的原理 4.4 模糊控制器原理 4.5 模糊控制器设计基础 4.6 双入单出模糊控制器设计 4.6.1 模糊化 4.6.2 模糊控制器规则、模糊关系 4.6.3 清晰化 4.6.4 控制表计算程序

8.1 专家系统的概念 8.2 专家系统的结构 8.3 专家系统的应用与发展概况 8.3.1 专家系统的意义 8.3.2 专家系统的应用 8.3.3 专家系统的发展概况 8.4 专家系统实例 8.5 专家系统设计与实现 8.6 专家系统开发工具与环境 8.7 新一代专家系统研究

First-Order Logic Why FOL? Syntax and semantics of FOL Using FOL Knowledge engineering in FOL Inference in FOL Reducing first-order inference to propositional inference Unification (合一) Generalized Modus Ponens（一般化分离规则） Forward and backward chaining Resolution

深度学习简介 Neural Network Goodness of Function Pick the Best Function 前馈神经网络 Tips for Deep Learning 卷积神经网络（Convolutional Neural Network, CNN） 循环神经网络（Recurrent Neural Network, RNN） Keras CNN in Keras RNN in Keras

背景 MDPs 强化学习问题 蒙特卡洛方法 (Monte Carlo Methods) 蒙特卡洛预测（Monte Carlo Prediction） 蒙特卡洛控制（Monte Carlo Control） 时序差分学习 (Temporal-Difference Learning) 时序差分预测（TD Prediction） 时序差分控制（TD Control） Sarsa：on-policy Q-learning : off-policy 策略梯度 (Policy Gradient) Monte-Carlo Policy Gradient Actor-Critic Policy Gradient 深度强化学习 Deep Q-Networks (DQN) Policy Gradients for Deep Reinforcement Learning

自动规划概述 经典规划 (Classical Planning) 规划问题 状态空间规划 (State-Space Planning) 规划空间规划 (Plan-Space Planning) 新经典规划 (Neoclassical Planning) 规划图技术 (Planning-Graph Techniques) Planning as {SAT, CSP, ILP, …} 经典规划的扩展 分层任务网规划 不确定规划 非确定规划 概率规划